MATLAB神经网络43个案例分析.pdf 王小川！！！

风中的漂流瓶

本书是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者更加直观、生动地学习神经网络。

本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，本书还介绍了MATLAB R2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。
4 _, ]* {( `# g( i+ o' l使用本书时，建议读者按照“先通读章节内容，后调试程序，再精读章节内容”的顺序学习。本书程序建议在MATLAB R2009a及以上版本环境下运行。若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案，然后再发帖与作者交流。
本书可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。
; X1 V+ d/ B9 o
6 C; Y6 }4 S, ^) _. Y5 P; X8 y) F/ C随书附赠的程序源代码请到北京航空航天大学出版社网站的“下载专区”免费下载。也可登录MATLAB技术论坛（www.matlabsky.com）到相应书籍答疑版块免费下载。
2 I: U0 o7 e! I7 B! B9 D) B( q

1 [6 O# z# c$ ?7 b# u6 X  _编辑推荐
本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
作者简介
王小川，网名hgsz2003，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员。现于同济大学经济与管理学院攻读博士学位，长期研究神经网络在统计学中的应用，精通MATLAB、SAS、SPSS等统计软件，热衷数据分析和数据挖掘工作，擅长竞争神经网络在数据挖掘中的运用，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》一书。史峰，网名shi01fg，对外经济贸易大学国际经济贸易学院金融学专业在读博士，MAT—LAB技术论坛(WWW．matlabsky．com)管理团队核心成员。从MATLAB 6．5开始接触MATLAB软件，主要用于金融软件开发、科学计算、交易策略研究等，并有多个MATLAB工程开发经验；在长期的使用过程中积累了较丰富的编程经验，擅长于神经网络、智能算法、科学计算和GUI设计。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。郁磊，网名yuthreestone，MATLAB技术论坛(www．matlabsky．c。m)管理团队核心成员。现工作于中科院苏州生物医学工程技术研究所，研究方向为智能控制与模式识别、生理仿真建模、远程医护等。使用MATLAB近10年，对各个版本的MATLAB开发环境及工具箱非常熟悉，具有丰富的MATLAB开发、设计经验。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。李洋，网名faruto，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员，北京师范大学应用数学硕士，8年MATLAB编程经验，对机器学习、量化投资等领域感兴趣，已出版书籍《MATLAB神经网络30个案例分析》，现就职于国内某期货公司研究院量化投资部，进行程序化交易和量化投资相关策略的研发工作。
. b5 A& K5 T2 }目录
1 r4 r6 d$ g  A第1章BP神经网络的数据分类——语音特征信号分类
9 u" c1 B; E' _% z7 }1.1案例背景
$ r* @/ X+ P7 c4 ^+ V/ e1.1.1BP神经网络概述
& M$ L& Z+ G& t0 l; ?2 o1.1.2语音特征信号识别
3 A8 k/ m( s0 @2 q! \+ E1.2模型建立
1.3MATLAB实现
- s: F+ Z2 G# r' j) J3 ]1.3.1归一化方法及MATLAB函数
! x* v( ?( N9 \" C1.3.2数据选择和归一化
$ ~# P& j7 H9 M4 j9 x! k$ ~% i1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
# G3 l: Q6 ?: E. g1.3.5BP神经网络分类
1 p, \/ T5 X' a3 e8 h1.3.6结果分析
! Z. H# ]: K# t/ K; z8 F& u1.4案例扩展
1.4.1隐含层节点数
8 T0 A* `- N% V( X0 V1.4.2附加动量方法
1.4.3变学习率学习算法
. b$ f* q. N- f1 z参考文献
第2章BP神经网络的非线性系统建模——非线性函数拟合
0 }' o7 A7 d) m- z! f* q2.1案例背景
' s, C$ U9 e8 |+ Q( j  a* Z2.2模型建立
2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
2.3.2数据选择和归一化
- H" d3 d' S9 i( ?: U6 \" w2.3.3 BP神经网络训练
2.3.4 BP神经网络预测
( }4 c& C: N& _  h1 q2.3.5结果分析
% g  L; G, _. \. q; x- f2.4案例扩展
/ X5 ?* @1 |' p: I# s, p2.4.1多隐含层BP神经网络
3 t5 j. k0 E: r4 B2.4.2隐含层节点数
6 B6 V  c! r( \2 c4 [+ W/ P2.4.3训练数据对预测精度影响
2.4.4节点转移函数
# R( N& }0 i- y  c- I7 |2.4.5网络拟合的局限性
! p, E, y0 }1 W6 K! u参考文献
第3章 遗传算法优化BP神经网络——非线性函数拟合
3.1案例背景
, b8 C1 P# U3 R3.1.1遗传算法原理
3.1.2遗传算法的基本要素
3.1.3拟合函数
3.2模型建立
1 `& b  j3 e1 L: z3.2.1算法流程
3.2.2遗传算法实现
3.3编程实现
3.3.1适应度函数
; O5 t+ O! d" R- i4 W. B2 F3.3.2选择操作
5 D) G$ L3 b" j( I3.3.3交叉操作
( w" u" `2 ~  r2 a3.3.4变异操作
, f+ F; [7 H' V' p  \8 m/ X" X7 K3.3.5遗传算法主函数
, ?/ l5 D& L9 k  F* q3 q& R0 s3.3.6 遗传算法优化的BP神经网络函数拟合
3.3.7结果分析
1 k3 g+ _0 z1 [1 K  ?4 O3.4案例扩展
3.4.1其他优化方法
/ s/ H! o/ Y# l; Y0 l' _' U1 a6 m3.4.2网络结构优化
3.4.3算法的局限性
参考文献
第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
4.1案例背景
( x) b& q  W+ S- r4 q' K4.2模型建立
4.3编程实现
4.3.1 BP神经网络训练
- u* \. ~! Q7 u. w" ^4.3.2适应度函数
4.3.3遗传算法主函数
/ d( Y# ~6 \2 d4.3.4结果分析
* B0 X6 Z8 d1 b3 e8 P2 i: a4.4案例扩展
4.4.1工程实例
  X  |' z9 r7 w" l( v, J4.4.2预测精度探讨
参考文献
第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
# f0 s7 Y1 [: q1 d* z  f5.1案例背景
5.1.1 BP—Adaboost模型
3 q2 S8 C  D' O0 F/ N; N5 Z# b! k5.1.2公司财务预警系统介绍
5.2模型建立
5.3编程实现
7 n( C0 i2 g; Y- {0 x5.3.1数据集选择
9 v/ c# X& G3 \: Y' c: B5.3.2弱分类器学习分类
3 t7 X7 M! W' V9 ^0 X4 J4 Z6 i' s, v5.3.3强分类器分类和结果统计
. P2 [+ X+ R0 l( }$ ^* f2 F/ ~2 _3 D5.3.垂结果分析
0 E2 Z! _& m- L3 S& u3 |& z" n5.4案例扩展
) D5 j$ m( P& k% J, g3 q; h5.4.1数据集选择
5.4.2弱预测器学习预测
5.4.3强预测器预测
4 j' y6 s0 x9 B: ]+ P  `' n5.4.4结果分析
参考文献
3 J) z) k& Q( G7 e3 x" x* H  L2 \第6章PID神经元网络解耦控制算法——多变量系统控制
9 W, S; F' j$ Q* B+ U* ^6.1案例背景
% ]5 ^7 f* I  z* ~' d0 b6.1.1 PID神经元网络结构
6.1.2控制律计算
6.1.3权值修正
# D1 l/ _8 o, G4 H8 A; z6 w4 D3 s6.1.4控制对象
7 S1 T9 C- }' ~, ]5 @0 {& T2 a9 C6.2模型建立
6.3编程实现
6.3.1 PID神经网络初始化
6.3.z控制律计算
+ F1 B# u9 c  X! N$ z/ ~: U6.3.3权值修正
1 _4 T  e4 H! j, g: e* g6.3.4结果分析
  h7 t/ ~6 y! l: ^2 e7 n6.4案例扩展
6.4.1增加动量项
6.4.2神经元系数
6.4.3 PID神经元网络权值优化
* C8 ]8 [& D1 K/ r1 ^3 ]参考文献
第7章 RBF网络的回归——非线性函数回归的实现
7.1案例背景
$ m# F, Q$ ^* R7.1.1 RBF神经网络概述
( A* b6 V1 W# f7.1.2 RBF神经网络结构模型
5 y! \: h7 I: R; F" v$ K7.1.3 RBF神经网络的学习算法
7 m/ ~4 |* w. U7.1.4曲线拟合相关背景
& v- s! ?: U0 K6 o; N& l# R7.2模型建立
7.3 MATLAB实现
+ r+ z% E' f+ i8 I! Z7 i8 z7.3.1 RBF网络的相关函数
7.3.2结果分析
7.4案例扩展
7.4.1应用径向基神经网络需要注意的问题
7.4.2 SPREAD对网络的影响
. P5 M" x- u5 Q! b2 \参考文献
( U& F" p; t! V' A" U* O第8章 GRNN的数据预测——基于广义回
6 B7 P: A( b5 x/ D* }9 o4 P归神经网络的货运预测
8.1案例背景
2 e0 r+ L& ^; f+ W8.1.1 GRNN神经网络概述
) `' n8 F  H* _+ T0 t* z8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
! p' d* N5 i2 B, b; n* C0 s8.1.4运输系统货运量预测相关背景
8.2模型建立
0 ~, B# [7 u, O& d( h8.3 MATLAB实现
8.4案例扩展
参考文献
第9章 离散Hopfield神经网络的联想记忆——数字识别
" ?9 @( l1 w# O5 L6 l" h  R9.1案例背景
9.1.1离散Hopfield神经网络概述
9.1.2数字识别概述
9.1.3问题描述
2 M) L, d2 l& g* o' h. q0 |9.2模型建立
9.2.1设计思路
9.2.2设计步骤
4 T1 @, w& z. H3 f8 \0 A9 l; U9.3 Hopfield网络的神经网络工具箱函数
4 A4 X$ _" `. H9.3.1 Hopfield网络创建函数
1 t* ?$ R% m. q6 S/ f; j9.3.2 Hopfield网络仿真函数
, h+ @9 `, h( H2 k; t2 k9.4 MATLAB实现
9.4.1输入输出设计
9.4.2网络建立
1 K3 Y$ v. O3 k! Y5 _4 r. y9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
9.4.5结果分析
, c  h. p0 \) v) ^3 r# y9.5案例扩展
; Z: T% ~* p; T  ^. s! B/ w7 z9.5.1识别效果讨论
9.5.2应用扩展
/ Y, s- R4 Q6 B& _: N) m, ~- i. V参考文献
第10章 离散Hopfield神经网络的分类——高校科研能力评价
4 [+ R- {' G4 P1 o0 E+ d10.1案例背景
10.1.1离散Hopfield神经网络学习规则
; B+ O+ R& \/ r( Z1 Z! w4 d5 Y10.1.2高校科研能力评价概述
10.1.3问题描述
" P1 [3 \1 S+ m! w1 e/ S; ~10.2模型建立
10.2.1设计思路
10.2.2设计步骤
- J1 o/ ^/ ~4 F4 x! X3 I2 {6 s10.3 MATLAB实现
10.3.1清空环境变量
( `  m* q0 ]# I+ _10.3.2导人数据
# @5 f/ \$ x- k# M# }5 z  v& r6 M10.3.3创建目标向量（平衡点）
10.3.4创建网络
10.3.5仿真测试
: m( I; }9 g; Z) [10.3.6结果分析
10.4案例扩展
参考文献
( x; }3 L( R, G2 a: h4 U' }第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
& Y4 A5 w0 @% S11.1案例背景
( K% _0 {7 l' a9 N9 t11.1.1连续Hopfield神经网络概述
8 t/ u" `% e0 I- w, B11.1.2组合优化问题概述
11.1.3问题描述
11.2模型建立
11.2.1设计思路
11.2.2设计步骤
5 t$ J# x, B! w5 d11.3 MATLAB实现
2 g; Z6 v& g& ~- U- d* A6 M11.3.1清空环境变量、声明全局变量
11.3.2城市位置导入并计算城市间距离
6 e8 w0 d2 R' Y6 M! _7 ~1 d11.3.3初始化网络
11.3.4寻优迭代
; b( q  Y( s/ s2 W: Y7 m+ ~( U11.3.5结果输出
11.4案例扩展
11.4.1结果比较
" V- I9 o1 H0 k8 H. ^11.4.2案例扩展
$ H8 e8 Q5 N( \参考文献
4 [. K( T0 S* r# h7 E, M  t第12章初识SVM分类与回归
- F5 j# d4 M: t& l! l! k# z12.1案例背景
  f( j/ Q1 w! G- s12.1.1 SVM概述
# w; x) C- U7 J+ U3 K2 [6 E12.1.2 LIBSVM工具箱介绍
9 k: n, E6 Y- Q7 M5 ~( k% ^; ?3 _12.1.3 LIBSVM工具箱在MATLAB平台下的安装
12.2 MATLAB实现
8 C0 [. V& Z7 n9 x0 ^8 w" \/ t4 v12.2.1使用LIBSVM进行分类的小例子
12.2.2使用LIBSVM进行回归的小例子
& o" U& \2 q1 A2 l9 E& p12.3案例扩展
参考文献
/ c# O. Q  m3 B+ o6 q/ M第13章LIBSVM参数实例详解
13.1案例背景
: v3 e6 Q6 Z% J$ g0 O/ H# `13.2 MATLAB实现
" ~8 c* P8 s4 M* S13.3案例扩展
参考文献
第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
/ \* }% p5 i; L/ x14.1案例背景
) i9 a3 P- Y8 e+ J14.2模型建立
. v- w: X9 y' J: P. ~0 L14.3 MATLAB实现
14 3.1选定训练集和测试集
0 t8 S, [! N1 {+ w( q& R……
/ U( @4 f8 v/ Y& O( C第15章SVM的参数优化——如何更好地提升分类器的性能
, X0 N& \# b5 z# t+ g  I第16章基于SVM的回归预测分析——上证指数开盘指数预测
第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测
/ X& o/ ?! z7 z" P- [4 f第18章基于SVM的图像分割——真彩色图像分割
第19章基于SVM的手写字体识别
3 r) C6 ^; U9 q- s( N& u9 G" y第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
* w* G, e4 ]" z8 p; E第21章自组织竞争网络在模式分类中的应用——患者癌症发病预测
第22章SOM神经网络的数据分类——柴油机故障诊断
2 H9 \$ R/ z6 a% p; Z第23章Elman神经网络的数据预测——电力负荷预测模型研究
! G5 l1 C2 A5 [/ p) t# c7 Z: r2 C第24章概率神经网络的分类预测——基于PNN的变压器故障诊断
2 c1 c$ l2 \4 _( X第25章基于MIV的神经网络变量筛选——基于BP的神经网络变量筛选
第26章LVQ神经网络的分类——乳腺肿瘤诊断
第27章LVQ神经网络的预测——人脸朝向识别
第28章决策树分类器的应用研究——乳腺癌诊断
0 c6 \, {7 H+ W" |' Q; {- V: |第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验
! c7 u; c5 z0 L! ~0 @! l第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
第31章思维进化算法优化BP神经网络——非线性函数拟合
$ c$ m/ \' c* K( A$ |+ u第32章小波神经网络的时间序列预测——短时交通流量预测
$ L" T; ^2 M( ]: X$ S2 n8 c第33章模糊神经网络的预测算法——嘉陵江水质评价
, p1 j. O4 [2 j# D8 n3 t: x第34章广义神经网络的聚类算法——网络入侵聚类
第35章粒子群优化算法的寻优算法——非线性函数极值寻优
' F! K& {" b/ N9 G  \第36章遗传算法优化计算——建模自变量降维
+ I6 M( q0 {6 s. p  w- o+ D1 Q. ~. d第37章基于灰色神经网络的预测算法研究——订单需求预测
' v& O6 G4 S3 M2 A) H第38章基于Kohonen网络的聚类算法——网络入侵聚类
- F6 x1 F0 \7 z! m% b8 G: d" _- r第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类
2 a9 l; p4 Z% P, z% f第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
, _6 U% h# N9 c+ f- u. N第41章定制神经网络的实现——神经网络的个性化建模与仿真
9 e( P+ U7 A4 c, e* D第42章并行运算与神经网络——基于CPU／GPU的并行神经网络运算
第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
序言
序言
很荣幸受好友王小川之邀，并代表MathWorks公司为其新书《MATLAB神经网络43个案例分析》（《MATLAB神经网络30个案例分析》的升级版本）作序，同时也感谢该书四位才华横溢的青年才俊这几年来对MATLAB软件应用（尤其是在神经网络方面）所做的持续的推广工作。
我与这四位作者的结缘，与众多编著MATLAB丛书的作者相识过程类似，完全是因为热爱MATLAB产品。尤其是王小川，他不仅在论坛、微博里充满能量，而且他的数据挖掘公开课也令人称道，在MATLAB粉丝中有着很大的影响力。此次他集合原书作者，针对读者就原书中的书籍案例和写作上所提出的意见和建议，进行了大幅升级，终于完成了这本《MATLAB神经网络43个案例分析》的编写。
& o( U/ ~0 s; l" m8 E5 p, k本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
9 L& P. B5 s8 t) f3 [7 q作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
因此我相信此书的出版，必将大大加速各位神经网络使用人员的学习进度，提升大家的工程应用能力。在此我郑重向大家推荐此书。
* G+ I4 {6 y  o
4 Q' d( b' K6 Q& ]5 v/ j' E0 j: r
MathWorks 中国教育业务发展总监
1 C% \2 ~% O. s
陈炜博士
) B( c$ N! Q' P
2013年6月于上海

1 U; U5 z5 U+ ~' K, V
$ V2 X/ ^& t; s8 |pdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r